The Effectiveness of Partnerships With Commercial Actors to Improve Food Environments: A Systematic Review
Notice bibliographique
Résumé
Partnerships with commercial actors have been proposed as a policy approach to create healthier food environments. We conducted a systematic review to assess their effectiveness for improving food environments and population health at state, national, or international levels. We searched in 14 databases and two websites for real-world evaluations published between 2010 and 2020. Study quality was appraised using a modified Newcastle-Ottawa Scale. Data were synthesized narratively by outcome (human, food environment, policy content, and implementation progress), considering their effect direction. Seventeen studies reporting on seven PPPs in four countries were included. Most studies (n = 14) involved food reformulation, especially salt reduction. Three focused on specific settings (the eating out-of-home sector, schools, and convenience stores). There was mixed evidence that partnerships make people buy fewer calories or more school meals (n = 3 studies) or reduce product sodium content (n = 6). Some positive effects were described in one uncontrolled study each for decreasing trans-fatty acid intake and for making healthier options more available in school cafeterias, but these studies had important limitations. Five document analyses highlighted shortcomings in the partnerships, including their limited scope, failure to add value to ongoing actions, varying participation levels, and lack of implementation, monitoring, and reporting. Alternative policy approaches should be considered. This systematic review is registered on PROSPERO as CRD42020170963.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».